BenchLeader

MiniMax M3.1 Flash vs Qwen3.8 2.4T A95B

完整资料:MiniMax M3.1 Flash(MiniMax)和 Qwen3.8 2.4T A95B(Alibaba),包括全部基准测试、价格和排名。

更新于 · 数据来自 9 个来源

截至 2026年11月16日,MiniMax M3.1 Flash 与 Qwen3.8 2.4T A95B 的质量不相上下(BenchLeader Index 54.3 比 51.4,在 ±15.0 的误差范围内)。MiniMax M3.1 Flash 更便宜,对方的价格是它的 11 倍(每百万 token 混合价格 $0.262 比 $3.00)。看重智能体与工具(55 比 48)和推理(50 比 46)选 MiniMax M3.1 Flash;看重知识(49 比 46)选 Qwen3.8 2.4T A95B。MiniMax M3.1 Flash 的首次回答更快(43.3 秒 比 107.3 秒)。MiniMax M3.1 Flash 的输出更快(3 倍以上)。

要点(截至 2026年11月16日)

  • MiniMax M3.1 Flash 的 BenchLeader Index 为 54.3,Qwen3.8 2.4T A95B 为 51.4(BenchLeader,2026年11月16日)。
  • MiniMax M3.1 Flash 每百万 token 混合价格为 $0.262(标价,2026年11月16日)。
  • Qwen3.8 2.4T A95B 每百万 token 混合价格为 $3.00(标价,2026年11月16日)。
  • MiniMax M3.1 Flash 比 Qwen3.8 2.4T A95B 输出更快(3 倍以上;Artificial Analysis,7 日中位数,2026年11月16日)。

按用途怎么选

推荐模型的数值列在前面。类别得分采用 BenchLeader 标尺(50 为模型平均水平,15 分为一个标准差)。领先半个标准差及以上为“高”置信度;相差不到 1 分则视为“均可”。

用途推荐理由置信度
智能体与工具调用MiniMax M3.1 Flash类别得分 55 比 48;AutomationBench 72.5% 比 57.3%中
推理MiniMax M3.1 Flash类别得分 50 比 46;HLE-Diamond (AA) 28.1% 比 20.1%中
知识Qwen3.8 2.4T A95B类别得分 49 比 46;AA-Omniscience v1.1 7.8 比 -6.4中
长文档均可类别得分 65 比 65;AA-LCR v1.1 79.7% 比 80.3%均可
成本最低MiniMax M3.1 Flash每百万 token 混合价格 $0.262 比 $3.00;智能体编程会话 $0.011 比 $0.144–
首次回答最快MiniMax M3.1 Flash首个回答 token 43.3 秒(MiniMax M3.1 Flash)比 107.3 秒(Qwen3.8 2.4T A95B)–
低预算大批量两者都不选通常更小的模型更合适:便宜好用的大模型、最快的大模型–

主要差异

  • MiniMax M3.1 Flash 与 Qwen3.8 2.4T A95B 的质量不相上下(54.3 比 51.4,在 ±15.0 的误差范围内)。
  • MiniMax M3.1 Flash 在智能体与工具、推理方面更强。
  • Qwen3.8 2.4T A95B 在知识、长上下文方面更强。
  • MiniMax M3.1 Flash 更便宜,对方的价格是它的 11 倍(每百万 token 混合价格 $0.262 比 $3.00)。
  • MiniMax M3.1 Flash 的输出速度是对方的 3.7 倍(151 比 41 token/秒)。

概览

规格MiniMax M3.1 FlashQwen3.8 2.4T A95B
提供商MiniMaxAlibaba
发布日期2026年10月19日2026年8月12日
上下文窗口(token)1,000,0001,000,000
对比时的配置MiniMax M3.1 FlashQwen3.8 2.4T A95B
开放权重是是
每百万 token 价格(输入 / 输出 / 缓存输入)$0.150 / $0.600 / $0.015$2.00 / $6.00 / $0.250

逐类别对比

类别得分采用 BenchLeader 标尺:50 为参评模型的平均水平,15 分为一个标准差。差距不到 1 分视为持平。

类别MiniMax M3.1 FlashQwen3.8 2.4T A95B领先者
推理50.146.4MiniMax M3.1 Flash
编程55.4–无法比较
智能体与工具55.247.8MiniMax M3.1 Flash
知识45.949.0Qwen3.8 2.4T A95B
多模态61.5–无法比较
长上下文64.564.8持平

同一图表对比

各领域采用与 Index 相同的标尺,平均模型为 50 分。单击某个领域可查看构成它的基准测试。 可从列表中最多选择 5 个模型。

2550 avg75推理智能体与工具知识长上下文MiniMax M3.1 Flash, 推理: 50.1MiniMax M3.1 Flash, 智能体与工具: 55.2MiniMax M3.1 Flash, 知识: 45.9MiniMax M3.1 Flash, 长上下文: 64.5Qwen3.8 2.4T A95B, 推理: 46.4Qwen3.8 2.4T A95B, 智能体与工具: 47.8Qwen3.8 2.4T A95B, 知识: 49.0Qwen3.8 2.4T A95B, 长上下文: 64.8

未绘制(测得的模型少于两个):编程, 数学, 指令遵循, 多模态, 人类偏好。

模型(单击添加或移除)Index

各来源的分歧

在两者都有结果的 17 项基准测试中,MiniMax M3.1 Flash 领先 8 项,Qwen3.8 2.4T A95B 领先 8 项,1 项持平。

综合 IndexMiniMax M3.1 FlashQwen3.8 2.4T A95B领先者
BenchLeader Index54.351.4不相上下

各发布方使用各自的任务、评测框架和推理强度设置,因此总体结论可能不同;BenchLeader 将它们统一到同一标尺上。† 表示同一模型在另一推理强度设置下的测量值(发布方未测试本页对比的设置)。

价格、速度与延迟

标价按每 1 个输出 token 对应 3 个输入 token 混合计算。每项任务的价格采用方法论页面中的 token 数量。每项基准测试任务的成本、token 数和耗时均为实测值,取自 Artificial Analysis 整个 Intelligence Index 测试的平均值。

指标MiniMax M3.1 FlashQwen3.8 2.4T A95B
每百万 token 混合价格$0.262$3.00
每百万 token 输入 / 输出$0.150 / $0.600$2.00 / $6.00
每百万 token 缓存输入$0.015$0.250
每项任务价格:聊天回复$0.0002$0.0026
每项任务价格:总结一份 30 页的报告$0.0022$0.028
每项任务价格:代码编辑$0.0018$0.021
每项任务价格:智能体编程会话$0.011$0.144
每项任务价格:结构化信息提取$0.0004$0.0052
智能体编程会话(输入大多命中缓存)$0.0053$0.065
每项基准测试任务成本(AA Index)$0.491–
每项任务输出 token(AA Index)138k–
其中推理部分103k–
每项任务耗时(AA Index)15 min–
输出速度151 tok/s41 tok/s
首次回答时间43.3 秒107.3 秒
完整回答耗时(最近一次测量 2026年11月13日)141.5 秒248.5 秒

每个模型都按其排名最高的推理强度设置进行对比。MiniMax M3.1 Flash 得分 54.3,首个回答 token 需 43 秒。Qwen3.8 2.4T A95B 得分 51.4,首个回答 token 需 107 秒。推理强度越高,回答前思考越久:得分更高,但等待更长、计费 token 也更多。 推理强度如何影响得分和成本

全部基准测试

共 73 项基准测试,按类别分组;点击名称可查看该排行榜及领先模型。† 表示同一模型在另一推理强度设置下的测量值,仅供参考,不计入胜场。

指标发布方MiniMax M3.1 FlashQwen3.8 2.4T A95B
BenchLeader IndexBenchLeader54.351.4
智能体与工具得分BenchLeader55.247.8
编程得分BenchLeader55.4–
知识得分BenchLeader45.949.0
长上下文得分BenchLeader64.564.8
多模态得分BenchLeader61.5–
推理得分BenchLeader50.146.4
混合价格(美元/百万 token)BenchLeader$0.262$3.00
输出速度BenchLeader151 tok/s41 tok/s
首次回答时间BenchLeader43.3 秒107.3 秒
上下文窗口BenchLeader1,000,000 token1,000,000 token
推理
LiveBench 2.0 ReasoningLiveBench82.9%†–
GPQA Diamond (AA)Artificial Analysis–93.5%
Humanity's Last Exam (AA)Artificial Analysis48.0%42.5%
HLE-Diamond (AA)Artificial Analysis28.1%20.1%
CritPtArtificial Analysis22.3%20.0%
CritPt v2 hard subset (AA)Artificial Analysis32.5%–
编程
Arena WebDevArena (LMArena)1584–
LiveBench 2.0 CodingLiveBench68.8%†–
SciCode (AA)Artificial Analysis53.4%54.0%
Vibe Code Bench v1.1Vals AI73.9%†–
Vibe Code Bench 1-100 v1.1Vals AI19.8%†–
SWE-Bench Pro V2Scale AI SEAL96.6%†–
SWE-Bench Pro V2 HARDScale AI SEAL84.3%†–
Terminal-Bench 4.0 (AA)Artificial Analysis25.8%11.1%
Terminal-Bench 2.1 (AA)Artificial Analysis–82.0%
GameBench 2 OverallDuelLab GameBench 2–52.8
GameBench 2 by reasoning settingDuelLab GameBench 230.3†49.3†
Design Arena WebsiteDesign Arena1277–
FrontierCode 1.1 (AA)Artificial Analysis38.6%–
FrontierCode 2.0 (AA)Artificial Analysis20.8%–
智能体与工具
Arena AgentArena (LMArena)-2.7–
LiveBench Long AgenticLiveBench25.7%†–
LiveBench BrowserLiveBench80.6%†–
MCP AtlasScale AI SEAL–84.5%†
HiL-BenchScale AI SEAL65.7%–
显示全部 73 项基准测试
指标发布方MiniMax M3.1 FlashQwen3.8 2.4T A95B
智能体与工具
GDPval-AA v2.1, normalised scoreArtificial Analysis47.9%55.4%
GDPval-AA v2.1Artificial Analysis14651614
τ³-Banking (AA)Artificial Analysis–49.1%
Finance Agent v2.1Vals AI58.8%†–
Harvey's Legal Agent Benchmark v1.1Vals AI7.5%†–
Legal Research BenchVals AI34.1%†–
Tax Agent BenchVals AI32.1%†–
Terminal-Bench 4.0 (Vals)Vals AI25.3%†–
Arena Agent Task CompletionArena (LMArena)-0.7–
AutomationBenchArtificial Analysis72.5%57.3%
GDP.pdf (AA)Artificial Analysis20.8%15.6%
EnterpriseOps-GymArtificial Analysis–47.4%
AA-Briefcase v1.1Artificial Analysis14741430
GDPxGDPx by SemiAnalysis4.0%†–
Design Arena AgenticDesign Arena1252–
Terminal-Bench-Science 0.1 (AA)Artificial Analysis3.3%–
CWE-Bench (AA)Artificial Analysis–28.3%
DeepSec-Bench (AA)Artificial Analysis–9.5%
CyberGym end-to-end (AA)Artificial Analysis–0.0%
MKA (AA)Artificial Analysis33.5%–
知识
LiveBench 2.0 Data AnalysisLiveBench71.4%†–
LiveBench ResearchLiveBench76.7%†–
AA-Omniscience v1.1Artificial Analysis-6.47.8
PRBench FinanceScale AI SEAL45.6%–
PRBench LegalScale AI SEAL45.1%–
Excel Modeling Benchmark v1.1Vals AI67.8%†–
Access to Justice BenchmarkVals AI73.3%†–
AA-Omniscience v1.1: accuracyArtificial Analysis45.1%31.4%
AA-Omniscience v1.1: non-hallucinationArtificial Analysis6.3%65.5%
人类偏好
EQ-Bench Creative Writing v3EQ-Bench–1844
多模态
LiveBench DesignLiveBench71.2%†–
MMMU-ProArtificial Analysis79.1%–
SAGEVals AI85.3%†–
VIALS-AAHandshake AI29.8%–
长上下文
AA-LCR v1.1Artificial Analysis79.7%80.3%
MLCRArtificial Analysis16.7%30.6%
综合
LiveBench 2.0LiveBench63.7%†–
AA Intelligence Index v5.0.1Artificial Analysis29.1–
AA Intelligence Index v4.3.2Artificial Analysis42.740.0
AA Progress Index v1Artificial Analysis317.6317.8
Vals IndexVals AI53.8†–
Vals Finance IndexVals AI55.9%†–
Vals Router IndexVals AI53.8%–
Vals Legal IndexVals AI67.1%†–
AA Cyber IndexArtificial Analysis–12.6
安全与诚实
FORTRESSScale AI SEAL52.1%21.6%†
DistressBenchScale AI SEAL–77.5%
元数据
AA Openness IndexArtificial Analysis27.827.8

数据截至 2026年11月16日。对比的是每个模型的最佳配置;每项分数的来源链接都在模型页面上。

DuelLab GameBench 2, release gb2-20261111-7b598bb13de4 (https://benchmarks.duellab.org/releases/gb2-20261111-7b598bb13de4/), CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Scores mapped to BenchLeader model names; not endorsed by DuelLab.

变化

  • MiniMax M3.1 Flash:BenchLeader Index 53.7 → 54.3。
  • Qwen3.8 2.4T A95B:BenchLeader Index 52.0 → 51.5。
  • MiniMax M3.1 Flash:BenchLeader Index 54.3 → 53.7。
  • MiniMax M3.1 Flash:1 项分数修订。
  • MiniMax M3.1 Flash:6 项分数修订。
  • MiniMax M3.1 Flash:BenchLeader Index 53.0 → 54.3。
  • MiniMax M3.1 Flash:1 项新结果(HiL-Bench)。
  • MiniMax M3.1 Flash:BenchLeader Index 52.0 → 53.0。
  • MiniMax M3.1 Flash:2 项新结果(PRBench Finance, PRBench Legal)。
  • MiniMax M3.1 Flash:1 项分数修订。

排行榜: 综合最佳大模型 · 最适合智能体的大模型 · 便宜好用的大模型

MiniMax M3.1 Flash vs Qwen3.8 2.4T A95B:常见问题

MiniMax M3.1 Flash 比 Qwen3.8 2.4T A95B 更好吗?
MiniMax M3.1 Flash 与 Qwen3.8 2.4T A95B 的质量不相上下(54.3 比 51.4,在 ±15.0 的误差范围内)。BenchLeader Index 综合了所有第三方质量基准测试;截至 2026年11月16日,两者差距在误差范围内,请结合你的用途查看各类别得分。
MiniMax M3.1 Flash 和 Qwen3.8 2.4T A95B 哪个更便宜?价格会变吗?
目前 MiniMax M3.1 Flash 更便宜:每百万 token $0.262 比 $3.00(按每 1 个输出 token 对应 3 个输入 token 混合计算)。两者均未公布价格调整。
MiniMax M3.1 Flash 和 Qwen3.8 2.4T A95B 哪个更快?
MiniMax M3.1 Flash 输出更快(3 倍以上;输出 151 比 41 token/秒,Artificial Analysis 7 日中位数)。
智能体和工具调用用 MiniMax M3.1 Flash 还是 Qwen3.8 2.4T A95B 更好?
MiniMax M3.1 Flash 在智能体任务方面得分更高(类别得分 55 比 48,50 为平均水平)。
处理长文档哪个更好?
两者在长上下文基准测试上持平(65 比 65)。两者都支持 1,000,000 token 的上下文。
更多问题(3)
哪个延迟更低?
MiniMax M3.1 Flash 先开始回答:据 Artificial Analysis 测量,首个回答 token 的等待时间为 43.3 秒比 107.3 秒。这主要取决于推理强度:设置越高,回答前思考得越久。
第三方基准测试对 MiniMax M3.1 Flash 和 Qwen3.8 2.4T A95B 的看法一致吗?
在两者都有结果的 17 项基准测试中,MiniMax M3.1 Flash 领先 8 项,Qwen3.8 2.4T A95B 领先 8 项,1 项持平。
MiniMax M3.1 Flash 是什么时候发布的?
MiniMax M3.1 Flash 于 2026年10月19日 发布。